EXPLORING CLINICIANS PERSPECTIVES TOWARDS AI-RADIOLOGY & ITS CLINICAL ADOPTION: A QUALITATIVE STUDY FROM PAKISTAN

Deze kwalitatieve studie onder klinici in Karachi, Pakistan, toont aan dat AI-radiologie met realistisch optimisme wordt ontvangen als ondersteunend hulpmiddel, mits er adequate infrastructuur, training, data-bescherming en menselijke toezicht worden geboden om de adoptie in deze context met beperkte middelen succesvol te laten verlopen.

De kern

De Radioloog en de Slimme Robot: Een Verhaal uit Karachi

Stel je voor dat je in een drukke, grote stad woont waar de ziekenhuizen vol zitten met patiënten. De artsen, en dan vooral de radiologen (de artsen die foto's van binnen in het lichaam maken, zoals röntgenfoto's en MRI's), werken tot ze erbij neervallen. Er is een nieuwe oplossing op de markt: Kunstmatige Intelligentie (AI). Het is als een super-slimme, onuitputtelijke assistent die duizenden foto's per seconde kan bekijken om ziektes te vinden.

Maar hoe denken de echte artsen hierover? Is dit hun redding of een gevaar?

Dit onderzoek uit Karachi, Pakistan, gaat precies over die vraag. De onderzoekers hebben 13 artsen geïnterviewd om te horen wat ze echt denken. Hier is wat ze ontdekten, vertaald in begrijpelijke taal:

1. De "Co-pilot" vs. De "Piloot"

De artsen zijn niet bang dat de robot hun baan gaat stelen. Integendeel! Ze zien AI als een co-pilot in een vliegtuig.

• De Analogie: Stel je voor dat een piloot (de arts) vliegt met een zeer slimme navigatiecomputer (de AI). De computer kan de weg zien, waarschuwen voor stormen en de snelheid berekenen. Maar de piloot moet de knoppen nog steeds zelf bedienen en de uiteindelijke beslissing nemen.
• Het oordeel: De artsen vinden dat AI geweldig is om te helpen, maar ze willen nooit dat de computer de beslissingen neemt. De menselijke verantwoordelijkheid moet altijd bij de arts blijven. "De AI kan helpen, maar mijn ogen en ervaring zijn de enige die echt tellen," zeggen ze.

2. De Droom vs. De Realiteit (De "Gaten in de Weg")

De artsen dromen van een wereld waar AI hen helpt om sneller te werken, minder moe te zijn en patiënten in afgelegen dorpen beter te bereiken. Maar in de praktijk lopen ze tegen een paar grote muren aan:

• Het Internet is een slak: In Karachi is de internetverbinding soms slecht. Als je AI-programma's nodig hebt die online werken, is het alsof je probeert een auto te rijden met een band die leegloopt. Het werkt niet snel genoeg.
• De Oude Garde: Sommige oudere artsen vinden het lastig om met nieuwe technologie om te gaan. Het is alsof je een grootvader vraagt om een drone te besturen; het is niet dat ze het niet kunnen, maar ze hebben geen handleiding en vertrouwen er niet op.
• Het Privé-geheim: De artsen zijn bang voor data-lekken. Ze vergelijken het met het geven van hun geheime familiealbum aan een vreemde. "Wie ziet mijn patiëntgegevens?" is hun grootste zorg.

3. De "Magische" Fouten

Een van de grootste angsten is dat de AI soms dingen verzint.

• De Analogie: Stel je voor dat je een zeer slimme, maar soms leugende, assistent hebt. Hij zegt: "Ik heb een breuk gevonden!" terwijl er niets is. Of hij zegt: "Geen probleem," terwijl er een tumor is.
• Het probleem: Als de AI een fout maakt, wie is dan schuld? De arts die erop vertrouwde, of de machine? De artsen vinden dat AI alleen mag worden gebruikt als we zeker weten dat hij niet "hallucineert" (dingen ziet die er niet zijn).

4. Wat is er nodig om het te laten werken?

De artsen zijn niet tegen AI. Ze zijn realistisch optimistisch. Ze zeggen: "Ja, we willen het, maar..."
Om het echt te laten werken, hebben ze drie dingen nodig:

1. Opleiding: Net zoals je eerst leert fietsen voordat je op de snelweg rijdt, moeten artsen leren hoe ze met AI moeten werken. Nu is er geen school voor dat.
2. Regels: Er moeten strenge wetten komen. Wie is verantwoordelijk als de AI een fout maakt? En hoe beschermen we de privacy van de patiënt?
3. Betrouwbare Testen: Voordat een AI-tool in het ziekenhuis komt, moet hij eerst door een strenge test. Het is alsof je een nieuwe auto niet direct op de weg zet, maar eerst in een crash-test lab.

Conclusie: Een Partnerschap

Kortom, de artsen in Karachi zien AI niet als een vervanger, maar als een krachtige partner.
Als we de infrastructuur (internet en computers) verbeteren, de artsen goed opleiden en strenge regels maken, kan AI een revolutie teweegbrengen. Het kan helpen om patiënten sneller te genezen en de artsen minder overbelast te maken. Maar zolang we niet weten hoe we de "robot" veilig en betrouwbaar kunnen maken, blijven ze de teugels zelf in handen houden.

Het is niet "Mens versus Machine", maar "Mens met Machine".

Technische samenvatting

Titel: Verkenning van de perspectieven van clinici op AI-radiologie en de klinische adoptie: Een kwalitatieve studie uit Pakistan

1. Probleemstelling en Context

Hoewel kunstmatige intelligentie (AI) wereldwijd steeds meer wordt geïntegreerd in de diagnostische radiologie, ontbreekt er bewijsmateriaal over de situatie in laag- en middeninkomenslanden (LMIC's). In Pakistan is de adoptiegraad van AI-assisted diagnostische technologie laag en ongelijkmatig, ondanks een groeiende interesse. Bestaande literatuur focust voornamelijk op technische prestaties of op hoogontwikkelde landen, met weinig aandacht voor de attitudes, overtuigingen en verwachtingen van clinici. Zonder inzicht in deze perspectieven dreigt implementatie te leiden tot lage acceptatie, onjuist gebruik en inefficiënte resourceverdeling, wat de gezondheidsdoelstellingen kan ondermijnen.

2. Methodologie

• Onderzoeksontwerp: Een kwalitatief, beschrijvend en verkennend studieontwerp gebaseerd op het constructivisme-paradigma.
• Deelnemers: 13 clinici (radiologen en specialisten uit diverse disciplines zoals geneeskunde, chirurgie, gynaecologie en pediatrie) uit zowel publieke als particuliere tertiaire zorginstellingen in Karachi, Pakistan.
• Datacollectie: Semi-gestructureerde interviews (duur ca. 30 minuten) die plaatsvonden tussen mei en augustus 2025. De data werden audio-opgenomen, getranscribeerd en geanonymiseerd.
• Analyse: Deductieve contentanalyse met behulp van de software NVivo 14.
• Conceptuele Kaders:
  • Technology Acceptance Model (TAM): Gebruikt als analytisch kader om de data te coderen rondom 'waargenomen nut' (Perceived Usefulness) en 'waargenomen gebruiksgemak' (Perceived Ease of Use).
  • Problem-Driven Iterative Adaptation (PDIA): Gebruikt om de resultaten te vertalen naar praktische implementatiepaden en beleidsaanbevelingen.
• Rigor: De studie hanteerde de COREQ-checklist voor rapportagekwaliteit en gebruikte triangulatie (bron, theorie en onderzoeker) om de geloofwaardigheid te waarborgen.

3. Belangrijkste Bijdragen

• Eerste kwalitatieve studie in Pakistan: Dit onderzoek vult een kennislacune door de specifieke attitudes van clinici in een LMIC-context (Karachi) te onderzoeken.
• Integratie van theorie en praktijk: Door TAM te combineren met PDIA, biedt het niet alleen een analyse van acceptatiefactoren, maar ook concrete, contextuele oplossingsrichtingen voor beleidsmakers.
• Focus op ethiek en governance: Het benadrukt de noodzaak van lokale validatie, data-privacy en ethische kaders, aspecten die vaak over het hoofd worden gezien in technische studies.

4. Resultaten en Themas

De analyse leverde vier overkoepelende thema's op:

A. Attitudes ten opzichte van implementatie

• Realistische optimisme: Clinici zien AI als een hulpmiddel ("assistent" of "tweede lezer"), maar niet als een vervanging.
• Verantwoordelijkheid: De uiteindelijke klinische oordeelsvorming en verantwoordelijkheid mogen niet worden gedelegeerd aan AI.
• Bezorgdheid: Er is grote angst voor data-privacy, cyberveiligheid en een te grote afhankelijkheid van technologie.

B. Waargenomen gebruiksgemak (Perceived Ease of Use)

• Facilitatoren: Werklastreductie, tijdbesparing, ondersteuning bij triage en massale screening.
• Barrières: Gebrek aan infrastructuur (slechte internetverbinding), hoge kosten, gebrek aan institutionele capaciteit, generatiewrijving en een gebrek aan vertrouwen in de betrouwbaarheid van de algoritmen.

C. Waargenomen nut (Perceived Usefulness)

• Sterke punten: AI wordt gezien als zeer nuttig voor snelle screening, kwantitatieve metingen, rapportage in afgelegen gebieden en ondersteuning van trainees bij beslissingen.
• Beperkingen: Risico's rondom datakwaliteit, generaliseerbaarheid, algoritme-fouten, "hallucinaties" (verzonnen informatie) en het onvermogen om contextuele klinische redenering te vervangen.

D. Aanbevelingen en beleidspraktijk

• Educatie: Integratie van AI-geletterdheid in het medische curriculum en praktische upskilling voor bestaande clinici.
• Validatie: Lokale validatie en goedkeuring van AI-tools voordat ze klinisch worden ingezet.
• Regulering: Nationale en institutionele beleidslijnen voor data-bescherming, ethische richtlijnen en duidelijke verantwoordelijkheidskaders bij fouten.
• Infrastructuur: Investering in robuuste IT-systemen (zoals PACS) en veilige data-opslag.

5. Betekenis en Conclusie

De studie concludeert dat de adoptie van AI in de radiologie in Karachi potentieel een "game-changer" is voor efficiëntie, diagnoseprecisie en het verminderen van burn-out. Echter, succesvolle integratie vereist meer dan alleen technologie; het vraagt om een multidimensionale strategie.

De kernboodschap is dat AI de radioloog niet zal vervangen, maar zal versterken als een partner. Voorwaarde voor succes is het opbouwen van vertrouwen door middel van:

1. Rigoureuze lokale testen en validatie.
2. Investeringen in digitale infrastructuur.
3. Omvangrijke trainingprogramma's.
4. Duidelijke ethische en juridische kaders.

Zonder deze structurele en educatieve maatregelen blijft de belofte van AI in LMIC's onbenut. De studie biedt een blauwdruk voor beleidsmakers om AI verantwoord en contextueel geschikt te implementeren in Pakistan en vergelijkbare gezondheidsystemen.